Knowledge Tracing
Η Τεχνική Παρακολούθησης Γνώσης (Knowledge Tracing - KT) είναι μια τεχνική μοντελοποίησης μαθητών που εκτιμά, σε κάθε χρονική στιγμή, την πιθανότητα ένας εκπαιδευόμενος να έχει κατακτήσει μια στοχευόμενη συνιστώσα γνώσης. Το κλασικό μοντέλο Bayesian Knowledge Tracing (BKT), που εισήχθη από τους Corbett και Anderson το 1994, αντιμετωπίζει την απόκτηση δεξιοτήτων ως ένα κρυφό μοντέλο Markov (Hidden Markov Model - HMM) δύο καταστάσεων, το οποίο καθοδηγείται από τέσσερις ερμηνεύσιμες παραμέτρους: αρχική γνώση, ρυθμός μάθησης, ολίσθηση (slip) και εικασία (guess). Μεταγενέστερες βαθιές παραλλαγές (Deep Knowledge Tracing - DKT, DKVMN, AKT) αντικατέστησαν τα HMM με επαναλαμβανόμενες αρχιτεκτονικές (recurrent architectures) και αρχιτεκτονικές Transformer.
Διαβάστε ολόκληρη τη μέθοδο
Συνδεθείτε με δωρεάν λογαριασμό για να διαβάσετε αυτή την ενότητα.
Method map
The neighbourhood of related methods — select a node to explore.
Πηγές
- Corbett, A. T., & Anderson, J. R. (1994). Knowledge tracing: Modeling the acquisition of procedural knowledge. User Modeling and User-Adapted Interaction, 4(4), 253–278. DOI: 10.1007/BF01099821 ↗
Πώς να παραπέμψετε σε αυτή τη σελίδα
ScholarGate. (2026, June 2). Knowledge Tracing (Bayesian / Deep). ScholarGate. https://scholargate.app/el/education-analytics/knowledge-tracing
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Δίκτυο BayesΜπεϋζιανή Στατιστική↔ compare
- LSTMΒαθιά Μάθηση↔ compare
- Μοντέλο RaschΨυχομετρία↔ compare
Αναφέρεται από
Εντοπίσατε πρόβλημα σε αυτή τη σελίδα; Αναφέρετέ το ή προτείνετε διόρθωση →